election-game/backend/docs/10-data-sources.md

282 lines
19 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

# 10 資料來源與資料管線
> **2026-10-28 現況:** 管線(`data/pipeline`)實際下載與使用的是選舉(中選會)、人口(戶政)、宗教(內政部宮廟教會)、
> 地理(村里界)、社會經濟(主計、財政、客委會)、競選財務(監察院政治獻金)、歷屆參選人(中選會)。
> 本文件的「氣象」「媒體使用」「政治態度(TEDS)」三節只是研究,管線沒有用到;選民群的年齡與傾向關聯用的是方案 B(生態推論)。
> 人物資料庫(Wikidata、立法院、內閣 → `people.json`)與 AI 評分沒有接進遊戲,2026-10-30 依使用者決定刪除;遊戲用的是 `records.json` 的客觀資歷分數(docs/23)。
> 本文件的資料集與法規已於 **2026-10-25** 逐一查證(實際下載或開啟官方頁面)。
> 「授權 1」指「政府資料開放授權條款第 1 版」。狀態欄:**確認**=已實際取得;**部分**=只取得部分或需要申請。
## 管線總覽
```
下載原始資料(data/raw)
→ 清理與代碼統一(以村里代碼 VILLCODE 為主鍵)
→ 合併為里層級的寬表
→ 估計選民群人數(IPF)
→ 產出資料包(全國、各縣市、各選舉規格)(data/build)
→ 回測與檢查
```
全國一次處理,各選舉再從全國資料包切出需要的範圍。
## 選舉資料
| 資料集 | 機關 | 粒度 | 格式 | 更新 | 授權 | 用途 | 狀態 |
|---|---|---|---|---|---|---|---|
| 選舉資料庫(含選舉區資料) | 中選會 | 投開票所,附村里小計 | 單一 ZIP(約 110 MB),內含各次選舉的 CSV | 選後 7 日內 | 授權 1 | 歷屆得票、投票率、底盤、回測 | 確認 |
| 投開票所地址 | 中選會 | 投開票所 | CSV(2024 年 17,794 所;無座標) | 不定期 | — | 開票夜回報、地圖點位 | 部分(2022、2026 未找到全國檔) |
| 議員選舉區劃分 | 中選會 | 區,切開的選區附里清單 | 2026 公告 PDF | 每屆 | — | 議員選區定義 | 確認 |
| 立委選舉區範圍 | 中選會 | 區、里(文字描述) | CSV | 每屆 | — | 立委選區定義 | 確認 |
- 資料庫涵蓋 1994–2024 年,包含 2018、2022 地方選舉,2024 總統、區域、原住民、不分區。
- 每次選舉的 CSV:`elbase`(地名與選區對照)、`elcand`(候選人)、`elctks`(各候選人得票)、`elprof`(投票概況)、`elpaty`(政黨)、`elretks`(政黨票)。
- `elbase` 本身就有村里對應選區的代碼,可以直接用來建立選區。
- 連結:https://data.gov.tw/dataset/13119 、https://db.cec.gov.tw/ 、https://data.cec.gov.tw/
- 2026 年選舉的結果會在選後 7 日內併入同一個資料庫,屆時可以做 2030 劇本。
## 人口
| 資料集 | 機關 | 粒度 | 格式 | 更新 | 授權 | 用途 | 狀態 |
|---|---|---|---|---|---|---|---|
| 村里戶數、單一年齡人口(新增區域代碼) | 內政部戶政司 | 村里,0–99 歲加 100 歲以上,分性別 | JSON API(分頁) | 每月(2018 起) | 授權 1 | 年齡結構、選舉人數估計、經費上限計算 | 確認 |
| 現住人口數按性別及原住民身分分 | 戶政司 | 村里 | API(ODRP013) | 每月 | 授權 1 | 平地、山地原住民人口;原住民選區 | 確認 |
| 現住原住民人口按性別、年齡 | 戶政司 | 村里 | API(ODRP015) | 每月 | 授權 1 | 原住民選民群年齡結構 | 確認 |
| 現住原住民人口按族別 | 戶政司 | 村里 | API(ODRP018) | 每月 | 授權 1 | 族別地緣 | 確認 |
| 外籍配偶與大陸港澳配偶人數 | 內政部統計處 | **縣市** | 統計查詢網 | 每月 | 授權 1 | 新住民比例 | 部分(無全國鄉鎮層級) |
- 年齡人口 API:`https://www.ris.gov.tw/rs-opendata/api/v1/datastore/ODRP014/{民國年月}`(例如 `11509`),2026 年 9 月共 7,781 個村里。
- 連結:https://data.gov.tw/dataset/77132 、77145、77129、77052、13503
## 社會經濟
| 資料集 | 機關 | 粒度 | 格式 | 更新 | 授權 | 用途 | 狀態 |
|---|---|---|---|---|---|---|---|
| 綜稅綜合所得總額全國各縣市鄉鎮村里統計分析表 | 財政部財政資訊中心 | 村里 | CSV(101–112 年度) | 每年 8 月 | 授權 1 | 所得(平均、中位數、四分位數) | 確認;**沒有代碼,只能用地名串接** |
| 109 年人口及住宅普查 縣市別報告統計表 | 主計總處 | 鄉鎮市區 | XLSX、ODS | 十年一次 | 網站開放宣告 | 常住人口(表 1)、教育(表 10–11)、職業(表 13)、**家庭使用語言(表 6)** | 確認;未找到鄉鎮層級的行業別 |
| 社會經濟資料服務平台(SEGIS) | 內政部 | 村里、最小統計區 | CSV、SHP、JSON、XML、網路服務 | 依資料 | 免費資料採開放授權;部分需申請 | 15 歲以上教育程度、婚姻、5 歲與 10 歲年齡組 | 確認 |
| 客家人口基礎資料調查(110 年) | 客委會 | 鄉鎮(只在報告 PDF) | PDF | 不定期 | — | 客家比例 | 部分;未找到更新的版本 |
| 客家文化重點發展區 | 客委會 | 鄉鎮(70 個,代碼 TOWNCODE) | CSV、JSON、XML | 不定期 | 授權 1 | 客家比例(≥ 1/3 的鄉鎮)、腔調 | 確認 |
- 普查連結:https://www.stat.gov.tw/News_Content.aspx?n=2755&s=230160
- SEGIS:https://segis.moi.gov.tw/STATCloud/Catalog
- 所得:https://data.gov.tw/dataset/103066 ;客家重點區:https://data.gov.tw/dataset/162466
## 地理
| 資料集 | 機關 | 內容 | 格式與座標 | 授權 | 狀態 |
|---|---|---|---|---|---|
| 村里界圖(TWD97 經緯度) | 國土測繪中心 | 版本 1150817,7,986 個多邊形;欄位 VILLCODE、TOWNCODE、COUNTYCODE | SHP,TWD97[2020] 經緯度 | 授權 1 | 確認 |
| 鄉鎮市區界線 | 國土測繪中心 | | SHP | 授權 1 | 確認 |
| 直轄市、縣市界線 | 國土測繪中心 | | SHP、GML | 授權 1 | 確認 |
| 最小統計區圖 | 國土測繪中心 | | TWD97 TM2(本島 121 分帶、離島 119 分帶) | 授權 1 | 確認 |
- data.gov.tw 資料集編號:7438(村里)、7441(鄉鎮)、7442(縣市)、25128(最小統計區)。
- 遊戲使用時轉成 TopoJSON 並簡化,依層級各產生一份。
## 宗教
| 資料集 | 機關 | 內容 | 格式 | 授權 | 狀態 |
|---|---|---|---|---|---|
| 全國宗教資訊系統:寺廟 | 內政部 | 12,425 間,名稱、主祀神、地址;11,925 間有 WGS84 座標 | XML | 授權 1 | 確認 |
| 全國宗教資訊系統:教會 | 內政部 | 同上 | XML | 授權 1 | 確認 |
- https://religion.moi.gov.tw/Report/temple.xml (資料集 8203)、`church.xml`(8204)
- 以座標做點落多邊形,算出每個里的宮廟與教會密度。**只用密度,不在遊戲中顯示具名宮廟**(14)。
## 氣象
| 資料 | 來源 | 用途 |
|---|---|---|
| 各測站月平均(C-B0027-001) | 中央氣象署開放資料 API(免費金鑰) | 11 月(地方選舉)、1 月(總統選舉)的天氣分布 |
| 每日雨量(C-B0025-001) | 同上 | 雨天機率 |
| 測站清單(C-B0074) | 同上 | 測站對應到區 |
| 颱風警報與路徑(W-C0034-001、005) | 同上 | 即時;劇本用 |
| 測站長期日資料 | CODiS(網頁下載) | 歷年同期的雨天機率 |
| 颱風資料庫 | https://rdc28.cwa.gov.tw/TDB/ | 發布警報的颱風清單;最佳路徑需研究帳號 |
## 媒體使用
| 資料 | 來源 | 狀態 |
|---|---|---|
| 2025 台灣網路報告 | TWNIC | 確認:報告 PDF+**受訪者層級 XLSX**(2,142 人、約 220 個變數,含出生年與年齡組)。報告以外的用途需要申請授權 |
- https://report.twnic.tw/2025/
- 用途:各年齡層對各媒體管道的觸及率。電視、報紙、廣播的使用率需要其他來源補足,或作為設計值。
## 政治態度
| 資料 | 來源 | 狀態 |
|---|---|---|
| 重要政治態度分佈趨勢 | 政大選舉研究中心 | 部分:全國層級,1992 年至 2026 年 6 月;圖表數值的 Excel 需要簽署申請書 |
| TEDS 台灣選舉與民主化調查 | 政大 | 部分:年齡別交叉表需要微觀資料;免費註冊會員並提出申請,限非營利使用 |
- https://esc.nccu.edu.tw/PageDoc/Detail?fid=7806&id=6965 、https://teds.nccu.edu.tw/data/super_pages.php?ID=data1
- **授權注意:** TEDS 限非營利使用。若遊戲有營利,需要另外確認,或改用下方的生態推論做法。
## 競選財務
| 資料 | 來源 | 用途 | 狀態 |
|---|---|---|---|
| 政治獻金會計報告書 | 監察院政治獻金公開查閱平臺 | 2018、2022 候選人的收支規模與支出類別,用來校準預算與價格 | 確認:每位候選人一個 CSV 壓縮檔(需通過驗證碼與同意條款) |
| 政治獻金賸餘報告 | data.gov.tw(例如 174254) | 參考 | 確認 |
- https://ardata.cy.gov.tw/
## 人物資料
| 資料 | 來源 | 內容 | 格式 | 狀態 |
|---|---|---|---|---|
| 候選人 | 中選會選舉資料庫 `elcand` | 姓名、政黨代碼、性別、出生日期(民國)、學歷程度、是否現任、是否當選 | CSV | 確認(2022 年的候選人檔只有選區、姓名、號次) |
| 經歷 | 選舉公報 | 學歷、經歷、政見 | **只有 PDF**(2024 年約 276 MB) | 確認;需要人工或 OCR 整理 |
| 2026 候選人名單 | 中選會公告 | | | 直轄市長於 11/12 公告、其餘於 11/17 公告;號次已於 10/23 抽籤 |
| 立法委員 | 立法院開放資料 ID9(現任)、ID16(歷屆,1,657 筆,每日更新) | 屆別、姓名、性別、政黨、黨團、選區、委員會、學歷、經歷、照片網址、離職 | JSON、CSV、XML、XLS、TXT | 確認 |
| 地方公職人員 | 內政部地方公職人員資訊專區 | 縣市長、議員、**村里長**,含政黨與任期 | ODS 匯出 | 確認 |
| 行政院內閣 | 行政院網站 | 首長名單 | 只有 HTML | 確認;需要人工維護 |
| 結構化人物資料 | Wikidata(SPARQL) | 職位、政黨、出生日期 | **CC0** | 確認:立委 1,037 人(994 人有出生日期、725 人有政黨);**議員資料稀疏** |
| 財產申報 | 監察院(廉政專刊) | 申報內容 | PDF 或電子書;未刊登的需要線上申請並臨櫃查閱 | 部分;**不是機器可讀** |
- 立法院 API 範例:`https://data.ly.gov.tw/odw/ID9Action.action?term=11&fileType=json`
- 地方公職人員:https://www.moi.gov.tw/LocalOfficial.aspx?n=574&TYP=KND0002
- Wikidata:https://query.wikidata.org/sparql
### 對人物系統的影響
- **財力屬性:** 財產申報不是機器可讀,第一版先不使用,或只對少數重要人物人工整理成級距。
- **照片:** 總統府與立法院網站的資料開放宣告採授權 1,但**只處理著作權,不涵蓋肖像權與個資**,而且排除機關另外標示需要同意的圖片。這再次確認頭像一律用捏臉繪製、不用照片的決定(14、15)。
- **維基百科文字** 不直接複製;結構化資料用 Wikidata(CC0)。
### 非政治人物與機構(待查證)
人物資料需要以下來源。**這一節尚未逐一查證**,M1 開始前要比照上面的方式確認。
| 對象 | 可能的來源 | 備註 |
|---|---|---|
| 企業家 | 經濟部商工登記公示資料(公司負責人、董監事);Wikidata | 只取與公開職務相關的資料 |
| 藝人、名嘴、網紅 | Wikidata;公開社群帳號的追蹤數(人工記錄) | 社群平台的使用條款可能限制自動擷取 |
| 電視台、廣播 | 國家通訊傳播委員會公告的事業與頻道名單 | |
| 民調機構 | 歷屆公開民調的發布者;各機構官網 | 機構效應需要歷屆民調數字,來源與授權要個別確認 |
| 村里長 | 內政部地方公職人員資訊專區(已確認,見上表) | |
## 代碼與串接
| 來源 | 代碼 | 轉換到主鍵 VILLCODE |
|---|---|---|
| 戶政司 API | `district_code`(11 碼) | 直接相同。例:65000010001 是新北市板橋區留侯里 |
| 國土測繪中心村里界 | `VILLCODE` | 主鍵 |
| 中選會 | 5 段代碼:省市 2 + 縣市 3 + 鄉鎮 3 + 村里 4 | 前三段相接,加上村里段的後 3 碼。例:63/000/010/0002 → 63000010002 |
| 客委會重點區 | `TOWNCODE`(8 碼) | 鄉鎮層級,對應到轄下所有里 |
| 綜稅所得 | **無代碼** | 以「縣市+鄉鎮+村里」名稱串接;需統一「台/臺」等異體字,並處理同名 |
| 普查 | 鄉鎮名稱 | 以名稱對到 TOWNCODE |
### 已知的串接問題
| 問題 | 處理 |
|---|---|
| **跨村里投開票所**:部分投開票所服務多個里,村里代碼以字母開頭(如 A001、0A01),票數無法拆到里。2024 總統選舉 17,795 列中有 22 列 | 每次選舉有跨村里對照表(.ods)。依各里選舉人數比例分配,並在資料中標註為估計值 |
| **邊界 7,986 個多邊形 vs 戶政 7,781 個有人口的里** | 待比對:可能是無人口的里、海域或離島多邊形、行政區調整 |
| **歷屆之間的里合併與改名** | 建立里代碼對照表;以最新里界為準,舊資料依對照表重新分配 |
| **普查日(2020-11-08)與戶籍資料的時間點** | 戶籍與常住的差距,用同月份的戶政資料比較 |
## 選民群估計
目標:每個里 30 個選民群(5 個年齡層 × 6 個政黨傾向)的人數(03)。
1. **年齡邊際:** 戶政單一年齡人口,取 20 歲以上,分成 5 層。
2. **政黨傾向邊際:** 該里歷屆得票(2018、2020、2022、2024,近期權重較高)轉換成 6 類傾向。
3. **年齡與傾向的關聯:**
- 方案 A:TEDS 的年齡別政黨認同交叉表(需申請,限非營利)。
- 方案 B:**生態推論**。用全國約 7,700 個里的「年齡結構」與「得票率」做跨里迴歸,估計各年齡層的政黨傾向。不需要調查資料,也沒有授權問題。
- 建議先做方案 B,拿到 TEDS 後用方案 A 校正。
4. **疊代比例調整(IPF):** 以第 3 步的關聯為種子矩陣,調整到同時符合第 1、2 步的邊際分布。
## 單位屬性對照
| 遊戲屬性(03) | 資料來源 | 粒度 | 備註 |
|---|---|---|---|
| 族群與語言 | 普查表 6「家庭使用語言」;客委會重點區;戶政原住民人口 | 鄉鎮、里 | 官方統計沒有「外省」身分,改用語言使用作為代理 |
| 新住民 | 統計處外籍配偶人數 | 縣市 | 以人口比例分配到區,或只當縣市層級屬性 |
| 教育程度 | SEGIS 15 歲以上教育程度 | 里 | |
| 所得 | 綜稅所得 | 里 | |
| 職業 | 普查表 13 | 鄉鎮 | 無行業別 |
| 宮廟密度、宗教 | 宗教資訊系統座標 | 里 | |
| 都市化 | 人口 ÷ 里面積 | 里 | |
| 戶籍外流比例 | 普查常住人口 vs 戶籍人口 | 鄉鎮 | |
| 媒體習慣 | TWNIC 依年齡層 | 全國 | 依各里年齡結構推算 |
| 基本投票率 | 中選會 `elprof` | 里 | |
| 地方派系強度 | **沒有開放資料** | 縣市 | 設計值;可參考地方議員連任率等代理指標 |
## 經費上限的計算
依選罷法第 41 條,以戶政人口計算(選前第 6 個月的戶籍人口):
| 選舉 | 公式 |
|---|---|
| 直轄市長 | 人口 × 70% × 20 元 + 5,000 萬元 |
| 縣市長 | 人口 × 70% × 20 元 + 3,000 萬元 |
| 直轄市議員 | 人口 × 70% ÷ 應選名額 × 30 元 + 1,000 萬元 |
| 縣市議員 | 人口 × 70% ÷ 應選名額 × 30 元 + 600 萬元 |
2026 年公告例:新北市長 106,551,000 元、臺北市長 83,986,000 元。管線依此公式自動算出每個選舉規格的上限。
## 已查證的法規
供其他文件引用。**選罷法在 2026 年 1 月 21 日與 7 月 1 日都有修正,正式上線前要再核對一次法規資料庫。**
| 項目 | 內容 | 依據 | 狀態 |
|---|---|---|---|
| 2026 投票日 | 2026-11-28(星期六)08:00–16:00;選舉人約 1,965 萬 | 中選會公告(2026-08-20) | 確認 |
| 民調封關 | 投票日前 10 日起至投票截止,不得發布、報導、引述民調 | 選罷法第 53 條第 3 項 | 確認 |
| 不得撤回登記 | 經登記為候選人者,不得撤回登記;政黨只能在登記截止前撤回推薦 | 選罷法第 31 條第 1 項 | 確認 |
| 競選經費補助 | 每票 30 元,以經費上限為限。單一席次:得票達當選票數 1/3;多席次:達最低當選票數 1/2 | 選罷法第 43 條 | 確認 |
| 經費上限 | 見上一節 | 選罷法第 41 條 | 確認 |
| 參選年齡 | 一般 23 歲;直轄市長、縣市長 30 歲;總統副總統 40 歲 | 選罷法第 24 條;總統副總統選罷法第 20 條 | 確認 |
| 總統連署 | 45 日內達上次總統選舉選舉人總數 1.5%;連署保證金 100 萬元(未達半數不退) | 總統副總統選罷法第 23 條 | 確認 |
| 總統政黨推薦 | 上次總統或立委選舉得票達 5% 的政黨 | 總統副總統選罷法第 22 條 | 確認 |
| 總統保證金 | 1,500 萬元;得票未達選舉人總數 5% 不退 | 總統副總統選罷法第 31 條 | 確認 |
| 議員婦女保障 | **2026 年仍適用**:每 4 席 1 名婦女,之後每增加 4 席再加 1 名(12 席 → 3 名) | 地方制度法第 33 條第 5 項;計算方式見選罷法第 68 條 | 確認 |
| 議員婦女保障(新制) | 2025-12-03 修法改為「任一性別 1/3」,**自 2030-12-25 就職的議員起適用** | 地方制度法第 33 條末項 | 確認 |
| 原住民議員 | 平地或山地原住民人口達 2,000 人(直轄市)、1,500 人(縣市)時應有原住民議員 | 地方制度法第 33 條第 2、3 項;選罷法第 36 條 | 確認 |
| 立委不分區 | 政黨得票達 5%;最大餘數法;各政黨當選名單婦女不得低於 1/2 | 選罷法第 67 條 | 確認 |
| 不在籍投票 | **2026 年沒有**;草案在 2025-12 送協商,2026-04 仍未完成。2026-01 修正只讓原住民可使用另設的投票所 | 選罷法第 57 條第 3 項 | 部分 |
| 2028 總統選舉日 | 尚未公告;依法須在任期屆滿(2028-05-19)前 30 日完成投票,並於 120 日前公告 | 總統副總統選罷法第 34、35 條 | 未公告 |
### 檢舉賄選獎金上限
法務部「鼓勵檢舉妨害選舉要點」(找到的最新版本為 2023-08-22),用於 06 的「檢舉獎金誘因」:
| 選舉 | 上限 |
|---|---|
| 總統 | 1,500 萬元 |
| 立委、直轄市長 | 1,000 萬元 |
| 直轄市議員、縣市長 | 500 萬元 |
| 縣市議員、鄉鎮市長 | 200 萬元 |
| 候選人親屬、競選辦事處負責人等 | 100 萬元 |
| 其他(含村里長) | 50 萬元 |
預備犯減半。另有境外勢力介入(100 萬至 2,000 萬元)與賭盤(5 萬至 500 萬元)的檢舉獎金。
## 產出的資料包
格式見 `packages/protocol/src/area.ts`(`DataPackManifest`、`VillagesFile` 等)。另外產出:
- `people/records.json`:歷屆參選人的選舉紀錄與客觀資歷分數(docs/23)
- `sources.json`:所有資料集的名稱、機關、版本、擷取日期、授權,給製作名單與遊戲內的資料來源頁使用
## 更新排程
| 資料 | 頻率 |
|---|---|
| 戶政人口 | 每月(但每個劇本固定一個快照) |
| 選舉結果 | 每次選舉後(選後 7 日內入庫) |
| 所得 | 每年 8 月 |
| 人物職位 | 每月,加上重大異動時手動觸發 |
| 普查、客家調查 | 有新版時 |
## 授權與標示
- 授權 1 的資料需要標示來源。`sources.json` 自動產生製作名單。
- TEDS、TWNIC 微觀資料需要申請,且有使用限制(TEDS 限非營利)。只在管線中使用其彙總結果,不重新散布原始資料。
- Wikidata 為 CC0;Wikimedia Commons 上的照片各有授權,不使用。